高光谱图像通常包含上百维波段图像和大量的像素点,丰富的光谱信息和空间信息为后续的高光谱图像处理带来便利,如可以精确地识别地物目标等。但是过高的光谱维度和空间维度为后续的处理也带来了不便,如占用大量的内存空间,不便于传输、运算等。因此在空间维度和光谱维度对高光谱图像进行降维是十分有必要的预处理过程。常用的降低维度的方式有特征提取和特征选择。在高光谱图像光谱降维中,特征选择又被称为波段选择。根据波段选择过程中是否用到标记样本,可以把波段选择方法分为:有监督波段选择方法、半监督波段选择方法和无监督波段选择方法。无监督波段选择是依据波段与波段之间的关系来选择波段子集的,由于没有先验信息指导波段选择的过程,不能判断各个波段图像的质量,噪声波段与其它波段不相似,所以噪声波段经常会被选择出来,这使得无监督波段选择方法选择出来的波段子集的表现性能往往不尽人意。为了克服无监督波段选择方法不能判断波段图像质量高低的问题,本文提出了一种新的波段选择方法,即基于图像质量评价的高光谱波段选择方法,此方法通过引入图像质量评价准则来评价各个波段图像的质量,并与去冗余的方法进行结合可以选择出判别性能好的波段,并且可以保证波段子集中波段与波段之间的冗余度低。最后通过在实际的高光谱图像中进行实验来验证本文所提方法的有效性。对于大部分高光谱图像处理来说,如图像分割和地物分类等,样本是像素点,每一个像素点的维度是上百维。但是对于波段选择处理过程来说,样本为光谱波段图像。随着遥感技术的快速发展,高光谱图像的空间分辨率也逐步提高,有越来越多的像素点,所以每个波段图像的维度也非常高,这可能会引起维度灾难,进而会影响后续的波段选择过程选择出来的波段子集的性能。尽管已经有一些学者注意到了这个问题,并提出通过随机选择像素点的方法来降低空间信息的维度,但随机选择像素点可能会造成有用信息的丢失。为了解决波段图像空间信息维数过高的问题,本文提出了一种对波段图像空间信息进行特征提取的方法,为了验证所提方法的有效性,用进行特征提取后的空间信息数据指导波段选择的过程,通过选择的波段子集在实际高光谱数据上的分类性能来说明本文所提方法的有效性。